论文摘要
针对目前国内外对于冷水机组传感器偏差故障检测效果不理想的问题,结合长短期记忆网络(LSTM)适用于处理高维、强耦合、高度时间相关性数据的特点,该文提出一种基于改进LSTM的深度学习方法,用于冷水机组传感器偏差故障检测。现场采集风冷冷水机组传感器数据,用于训练改进的LSTM。通过实验分析得出,不同传感器检测效率不同。将该文所提方法的检测结果与自动编码器(Auto encoder)、主元分析法(PCA)、标准的LSTM三种方法的检测结果进行比较,得出该文所提方法在冷水机组传感器偏差故障检测中检测效率明显优于其他三种方法;并且针对同一传感器相同大小、不同正负的偏差故障,所提方法的检测效率具有更好的对称性。最后证明该文所提的改进LSTM方法具有良好的泛化性。
论文目录
文章来源
类型: 期刊论文
作者: 李冬辉,尹海燕,郑博文,刘玲玲
关键词: 长短期记忆网络,深度学习,冷水机组,传感器,故障检测
来源: 电工技术学报 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 工业通用技术及设备
单位: 天津大学电气自动化与信息工程学院
分类号: TB657.2
DOI: 10.19595/j.cnki.1000-6753.tces.180637
页码: 2324-2332
总页数: 9
文件大小: 1193K
下载量: 368